
Qwen4-Max vs GPT-6 Luna: 22× o Custo da Tarefa por 15 Pontos de Índice
- OrcaNOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 187 tok/s
- tencentNOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 414 tok/s
- GoogleNOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 87 tok/s
- AnthropicNOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 138 tok/s
- orcaNOVOOrca: OrcaC2 1.02026-11-0748 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 por 1M de tokens · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 por 1M de tokens · 116 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 111 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligência
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligência
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligência
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 por 1M de tokens · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligência
Envie uma solicitação ao Qwen4-Max e uma solicitação ao GPT-6 Luna pela mesma suíte de avaliação, e a fatura volta em US$ 3,27 contra US$ 0,15. Vinte e duas vezes. Coloque as pontuações lado a lado e é 43 contra 28 — quinze pontos, que é a diferença entre um modelo ao qual você entregaria uma execução de agente de várias horas e um ao qual você entregaria um documento. Essas duas diferenças são reais, ambas são medidas na mesma revisão do índice, e nenhuma delas resolve a questão, porque o Qwen4-Max está disponível em geral desde 16 de novembro de 2026 a US$ 1,50 e US$ 4,50 por milhão de tokens, enquanto o GPT-6 Luna está em um décimo disso desde 22 de setembro. A decisão não é qual modelo é melhor. É quais quinze pontos você realmente vai usar, e a resposta muda duas vezes ao longo desta comparação.
O 22× e do que ele é feito
Comece pela tabela de tarifas, porque o rácio anunciado não é o rácio que você paga.
• Entrada — Qwen4-Max US$ 1,50 por milhão em Singapura, US$ 1,413 nas regiões de escopo global. GPT-6 Luna US$ 0,10. Quinze para um.
• Saída — Qwen4-Max US$ 4,50, ou US$ 4,24 Global. GPT-6 Luna US$ 0,50. Nove para um.
• Entrada em cache — Qwen4-Max $0,075 Singapura, $0,071 Global, um desconto de 95%. GPT-6 Luna $0,01, um desconto de 90%.
• Combinado — Qwen4-Max US$ 0,80 por milhão na ponderação 7:2:1 de acerto de cache/entrada/saída do rastreador. GPT-6 Luna US$ 0,077. Dez para um.
• Custo por tarefa do Índice de Inteligência — Qwen4-Max $3.27, GPT-6 Luna $0.15. Vinte e dois para um.
Quinze, nove, dez, vinte e dois. Esses quatro números não batem, e a discordância é a parte útil: a proporção por tarefa é mais que o dobro da proporção de preço combinado porque o Qwen4-Max precisa emitir mais tokens para concluir o conjunto, não porque suas tarifas sejam piores do que o cartão sugere. O painel de verbosidade do rastreador coloca o Qwen4-Max em 127 milhões de tokens de saída contra uma mediana de 90 milhões; Luna em 110 milhões contra a mesma mediana. Ambos estão no lado verboso. Qwen4-Max é 15% mais verboso, e esses 15% fazem trabalho real num intervalo de 22× que uma tabela de tarifas de 10× teria previsto.
Todos os números nesta seção são medições da Artificial Analysis no índice v5.0.1 — o índice rebaseado, portanto uma pontuação Luna de um ranking de julho não é comparável aos 28 citados aqui — combinados com a tabela de preços publicada por cada fornecedor. Nenhum dos fornecedores publicou uma comparação direta pareada, e qualquer comparação construída a partir desses números é aritmética sobre duas execuções separadas, não um benchmark.

A configuração de esforço é a maior alavanca.
Eis o que torna enganosa a formulação “43 contra 28”, e não se trata de uma pequena correção.
O GPT-6 Luna vem com seis configurações de raciocínio — none, low, medium, high, xhigh e max — e o padrão é medium. A Artificial Analysis pontua cada nível. A variação não é uma diferença de arredondamento:
• Max — 28 no índice, US$ 0,15 por tarefa, 12,2 minutos, 103 tokens por segundo.
• Xhigh — 23, 7,4 minutos, 99 tokens por segundo.
• Alto — 21, 6,0 minutos, 91 tokens por segundo.
• Médio — 18, 3,5 minutos, 93 tokens por segundo. Este é o padrão, e é a configuração que quase toda chamada de produção realmente usa.
• Baixo — 10, 0,6 minutos, 87 tokens por segundo.
• Sem raciocínio — 9, 2,0 minutos, 84 tokens por segundo.
Então, a comparação honesta não é 43 contra 28. É 43 contra 18 para quem chama sem enviar nenhum parâmetro effort, e 43 contra 28 para quem gira o botão até o máximo e paga seis vezes a latência por isso. Vinte e cinco pontos no padrão e quinze no teto, do mesmo modelo, sem alteração de preço na tabela.
A escada do Qwen4-Max tem três degraus — low, high, xhigh — e o padrão é high. Não há medium: Chat Completions e DashScope mapeiam medium para high, então pedir a configuração intermediária custa o mesmo que a mais alta. Isso é um controle pior que o da Luna, e importa pelo mesmo motivo — o degrau que você escolhe decide a pontuação, e o Qwen4-Max oferece menos maneiras de comprar menos dela.
O que o tracker não publica para o Qwen4-Max é uma pontuação em cada um dos seus três níveis; a página traz 43 e para. A escada completa de seis níveis da Luna é pública, o que torna a Luna o modelo mais fácil de modelar e o mais difícil de citar. Se você está montando uma previsão de custos, uma escada totalmente publicada vale mais do que um único número melhor, porque você consegue ver onde está o joelho.

O penhasco de 272.000 tokens da Luna
Ambos os modelos anunciam um contexto de um milhão de tokens e apenas um deles cobra a mesma tarifa em todo esse contexto, e esta é a coisa mais cara que um comprador pode deixar passar.
• Qwen4-Max — $1,50 e $4,50 fixos em toda a janela completa de 1.000.000 de tokens, sem escalonamento em 32K ou 128K. O teto de entrada documentado é de 991.808 tokens sem raciocínio e 983.616 com raciocínio ativado; a saída sem raciocínio é limitada a 131.072, e raciocínio mais resposta compartilham 262.144.
GPT-6 Luna — US$ 0,10 e US$ 0,50 até 272.000 tokens de entrada, depois US$ 0,20 de entrada e US$ 0,75 de saída acima disso. O reajuste de preços se aplica à requisição inteira, não ao excedente: um prompt de 300.000 tokens paga o dobro sobre todos os 300.000, não sobre os últimos 28.000. A janela de contexto é de 1.050.000 segundo a documentação da OpenAI e de 1M no tracker; entrada máxima de 922.000; teto de saída de 128.000.
Execute o caso de contexto longo e o 22× colapsa para 7,5×. Um documento de 400.000 tokens com uma resposta de 8.000 tokens custa US$ 0,60 de entrada e US$ 0,09 de saída no Qwen4-Max — US$ 0,69 nas tarifas de Singapura. A mesma solicitação no Luna custa US$ 0,08 de entrada e US$ 0,006 de saída, US$ 0,086. Sete vezes e meia, não vinte e duas. O Luna ainda é drasticamente mais barato, e é mais barato por um terço da margem que o número de manchete sugere.
That inversion has a second edge, and it cuts the other way. Below 272,000 tokens the cliff never applies, and most agent workloads — a codebase context, a support conversation, a tool-calling loop — live well under it. A team that reads "1M context" on both cards and budgets Luna at $0.10 for a 500,000-token job has under-budgeted by 2× on input and 1.5× on output, and the mistake only shows up in the invoice.
Há também uma questão de residência que vale a pena conhecer antes de o preço importar: a residência de dados na UE no Luna está disponível apenas com o processamento Standard, o que exclui totalmente os descontos Batch e Fast. Se um requisito de residência estiver no escopo, a tarifa efetiva do Luna é a padrão, e a estrutura de descontos com a qual você contava não está disponível para você.
Vídeo, e a linha em que Luna não pode entrar
A diferença entre as modalidades é menor do que o marketing sugere e maior do que uma olhada na ficha técnica dá a entender.
• GPT-6 Luna — texto e imagem na entrada, texto na saída. Não é um modelo de vídeo ou áudio. A geração de imagens, a geração de fala, a transcrição e a tradução estão todas documentadas como não suportadas.
• Qwen4-Max — texto, imagem e vídeo na entrada, texto na saída, com a visão tratada nativamente em vez de por meio de um extrator. OpenAI Chat Completions, OpenAI Responses, Anthropic Messages e DashScope no lado do protocolo, em contraste com Responses, Chat Completions e Batch da Luna.
Qwen4-Max é o único dos dois que você pode direcionar para uma gravação de tela, uma captura de aula ou uma revisão de vídeo e fazer uma pergunta sobre isso. Essa é uma diferença genuína de capacidade e não uma diferença de benchmark — nenhum índice em qualquer um dos cartões mede isso, e nenhum ajuste de nível de esforço no Luna produz isso. Se vídeo estiver na carga de trabalho, a comparação termina aqui e o 22× é o preço de entrada.
Se não houver vídeo, a linha é decoração, e a abrangência de protocolos é a metade mais interessante. O Qwen4-Max fala quatro formatos de transmissão; o Luna fala três e condiciona sua superfície de ferramentas mais rica ao Responses — ferramentas integradas como busca na web, busca em arquivos, interpretador de código e shell hospedado são executadas ali, e a chamada de função no Chat Completions só funciona quando o esforço de raciocínio é definido como none. Um pipeline que migra para o Chat Completions para economizar dinheiro e ainda espera chamadas de ferramentas falha na primeira solicitação. Essa é uma armadilha de migração, não uma lacuna de capacidade, e é o tipo de coisa que custa uma semana em vez de uma porcentagem.
É nesta costura que uma camada de roteamento justifica sua existência, e não uma escolha de modelo. O OrcaRouter já oferece openai/gpt-6-luna aos preços de tabela da OpenAI, com 0% de markup repassado — portanto, uma mudança de preço do Luna entra em vigor aqui no mesmo dia em que chega à tabela de preços da OpenAI — e o Qwen4-Max não é hospedado aqui; ele é acessível pela própria API Model Studio da Alibaba e por várias plataformas de terceiros. Uma API para mais de 200 modelos, uma chave, e uma DSL de roteamento que classifica uma solicitação e a envia para aquele dos dois a que a linha diz que ela pertence: Luna para a camada de extração de alto volume, classe Qwen para o trabalho com vídeo e contexto longo que o Luna estruturalmente não consegue assumir. O failover automático cobre o dia em que a camada barata tem um momento ruim, que é o dia em que um pipeline de provedor único descobre que também tem um.

Onde cada modelo é a escolha certa
Três cargas de trabalho, três respostas diferentes, e a terceira é onde a maioria das equipes realmente está.
Alto volume, bem especificado, verificado. Classificação sobre um corpus, extração de conjuntos de documentos, sumarização, o degrau de triagem de suporte de um pipeline. Luna a $0.15 por tarefa contra Qwen4-Max a $3.27 é uma redução de custo de 95% para trabalho que nunca precisou de um 43. O 18 que você obtém no padrão do Luna está acima da mediana da sua faixa de preço e a saída é verificável, e esse é todo o argumento. Não há dúvida.
De longo horizonte, sem supervisão, caro se der errado. Execuções de agente de várias horas, refatorações em escala de repositório, pesquisas que abrangem dezenas de chamadas de ferramentas. Quinze pontos de índice são a diferença entre um modelo que consegue sustentar um plano e um que o perde e, a US$ 3,27 por tarefa, contra uma execução que custa uma hora de trabalho de engenheiro para refazer, o preço não é a restrição. O Qwen4-Max também é o único dos dois que aceita entrada de vídeo, o que, para uma parcela crescente do trabalho agêntico — capturas de tela, gravações de tela, rastros de UI —, é a diferença entre uma carga de trabalho que existe e uma que não existe.
Sensível à latência, algures no meio. É o caso a que nenhum dos cartões responde. A Luna descodifica a 103 tokens por segundo no esforço máximo e a 93 no predefinido; a Qwen4-Max a 59. A Luna conclui uma tarefa de indexação em 12,2 minutos no máximo e em 3,5 no predefinido; a Qwen4-Max em 29,8. Se houver uma pessoa à espera, 59 tokens por segundo é o número que decide se o produto parece vivo, e nenhuma poupança por tarefa compensa uma interface que bloqueia. Se ninguém estiver à espera, 29,8 minutos é tempo real com que pode planear.
A forma correta para a maioria das equipes não é uma dessas duas, é ambas — e o motivo é que a fronteira de decisão é uma propriedade no nível da requisição, não no nível do contrato. Um pipeline que classifica na Luna e escala para um modelo de fronteira quando o classificador não tem certeza obtém a economia de 95% nos 90% fáceis e os quinze pontos no restante. É para isso que serve a DSL de roteamento, e é a única configuração nesta comparação que não exige escolher um perdedor.
A conta que você realmente pode prever
Vinte e duas vezes o custo da tarefa para quinze pontos de índice. Divida um pelo outro e o Qwen4-Max custa US$ 0,076 por ponto de índice, contra US$ 0,0054 da Luna — catorze vezes mais por ponto, que é o número que faz a Luna parecer a compra óbvia e o número que é menos útil, porque ninguém consome pontos de índice.
O que as pessoas consomem é uma carga de trabalho, e a carga de trabalho tem três propriedades que decidem isso: quantos tokens o contexto totaliza, se há um humano esperando e se uma resposta errada é barata de detectar. Luna ganha as duas primeiras de forma indiscutível e perde a terceira tão mal que a comparação se inverte. Qwen4-Max ganha a terceira e cobra por isso a uma taxa que só faz sentido se a alternativa for uma reexecução.
A previsão que resiste a tudo isso: se você está escolhendo entre esses dois com base no preço, você já escolheu errado, porque o 22× não é um custo extra que você deveria pagar em todas as requisições de um pipeline — é um custo extra que você paga na pequena fração de requisições que precisam dele. Roteie a fração. O resto é um erro de arredondamento que você pode gastar em outra coisa.
Comparados neste artigo1
Detectado a partir deste artigo · Benchmarks: Artificial Analysis · atualizado diariamente
